Clase 1 UT2 | Mediateca de EducaMadrid

No os preocupéis. Vale, ahora sí estoy grabando. Y ahora compartir. Compartir contenido. Compartir, explorar el web. Vale, estoy compartiendo y veis lo que es el cuadradito a la izquierda que pone a otros proyectos, ¿verdad? 00:00:00

Sí. Vale. Voy a tratar de presentar y a ver si esta vez no os pierdo, que esto lo veis antes. ¿Ahora lo veis en grande? Ahora, ahora sí. Gracias. Bien, vale. Vuelvo a empezar desde el principio. Os habíais quedado en esta, ¿no? Sí. Vale. Bueno, lo que os contaba es que la primera diapositiva es la descripción de los epígrafes, en qué está distribuido, los apartados en los que está distribuido el tema, ¿vale? Y que, bueno, lo llama requisitos estadísticos, parámetros estadísticos, muestreo por variables, 00:00:36

ley binominal que parece que estamos hablando aquí de matemáticas muy avanzadas parámetros 00:01:08

no no es tan difícil vale porque todo esto lo vamos a traducir vais a ver que lo domina 00:01:14

y luego es hacer unos profesionales que incluso podéis hablar en estos términos ningún problema 00:01:19

vale no sean los agobios vemos cada una de las partes vale bueno estos son los epígrafos que 00:01:24

vamos a ir desarrollando y lo que os iba diciendo los objetivos de aprendizaje en esta unidad en las 00:01:31

recomendaciones que se hace para para el alumno pues viene tan genérico como esto que pone aquí 00:01:37

describir el plan de muestreo analizando las características que deben cumplir las muestras 00:01:44

a ver esto es demasiado genérico para concretar los más las que son referentes a este tema os 00:01:48

las voy a ir ampliando para lo que vamos a aprender hoy estos son los objetivos estos 00:01:54

tres pero luego en esta diapositiva iré aprendiendo las de la ir añadiendo las de 00:01:58

las demás clases vale los objetivos para el aprendizaje de hoy es identificar la actividad 00:02:03

de la estadística para la minimización la minimización del error vamos a usar la 00:02:08

estadística para que los resultados de nuestro ensayo tengan el mínimo error posible vale 00:02:14

reconocer los parámetros estadísticos los parámetros al final son las letritas como 00:02:19

se llaman que son para que se usan vale y se llaman parámetros y la necesidad de identificar 00:02:25

sus requerimientos, para esos parámetros, para calcularlo, necesitamos una serie de 00:02:31

condiciones que las vamos a ir viendo, ¿vale? Y conocer el comportamiento de los datos en 00:02:36

la distribución poblacional. ¿Cómo se comportan los datos? Aunque también nos parece algo 00:02:41

muy complicado, cuando lo veamos ahora sobre una gráfica vais a ver que sí que es intuitivo, 00:02:47

que se entiende mejor de lo que parece, ¿vale? No os agobéis. Bueno, pues lo que os digo 00:02:51

en esta diapositiva, luego iremos añadiendo más objetivos para tenerlos completos de 00:02:55

la unidad temática. Vale, empecemos con conocimientos previos. A ver, ¿qué sabemos de lo que vamos a 00:02:59

tratar? ¿Qué es estadística, chicos? Es algo de las matemáticas, ¿no? Sí, pero ¿qué es? El análisis 00:03:05

de los datos. Vale, bien, bien. O sea, sí, una ciencia que estudia los datos. Es una ciencia que 00:03:24

una ciencia 00:03:33

me he trabado pero quería repetir 00:03:37

lo vamos concretando y va teniendo sentido 00:03:42

no es tan difícil 00:03:45

entonces nosotros para trabajar con estadística 00:03:47

lo primero que tenemos que tener es datos 00:03:52

¿qué son los datos? 00:03:55

es una serie de números 00:04:01

o información tiene tiene como un eco tu micro y me cuesta entenderte porque suena así como doble 00:04:05

que la voz déjame decir si te he interpretado bien quieres decir lo que nos aporta información 00:04:18

has querido decir sí hola no estamos aquí vale bueno los datos al fin y al cabo es la información 00:04:25

de la gente si nosotros tenemos que hacer en nuestro caso que nuestros datos que serían por 00:04:47

los resultados de nuestra análisis no tendríamos una serie de datos y las gracias en la estadística 00:04:53

Podríamos ordenarlos e interpretarlos, porque datos caóticos, al final, la información es difícil de tratar. 00:05:00

Entonces, la estadística nos permite sacar información observando cómo se comportan esos datos. 00:05:07

¿Y cómo se trabaja con esa información? 00:05:13

O sea, nosotros tenemos ahí un montón de datos desordenados. 00:05:17

¿Y qué es lo primero que se nos ocurre hacer para que esos datos nos aporten verdadera información? 00:05:20

¿Saber si son los correctos? 00:05:29

¿Y qué hacemos para saber si son correctos? 00:05:30

Pues me imagino que buscar una media o si son varios datos 00:05:37

Eso es, establecemos unos parámetros que son estadísticos 00:05:41

por ejemplo la media es un parámetro estadístico 00:05:45

entonces hacemos una serie de cálculos matemáticos 00:05:47

ahí es donde sabemos que la estadística es la parte de las matemáticas 00:05:52

y esos cálculos que hacemos 00:05:55

al final lo que nos da es una información 00:05:59

de cómo se están portando nuestros datos 00:06:01

que cuáles 00:06:04

como si los datos fueran personas que tuvieran una 00:06:05

conducta y fueran 00:06:07

se comportaran de tal modo 00:06:09

o de tal, pero sabemos cómo se comportan 00:06:12

gracias a la información 00:06:13

que nos dan esos datos, el primero y el más 00:06:16

intuitivo es la media 00:06:17

todo el mundo sabemos que es la media, no de algo 00:06:19

¿qué es la media? 00:06:21

la suma 00:06:24

de todos los datos que tenemos 00:06:25

dividida por el número de datos 00:06:27

vale, tú me has descrito cómo se calcula 00:06:30

pero ¿qué es? 00:06:32

yo te digo el cálculo 00:06:38

a ver 00:06:39

¿cómo te lo expreso? 00:06:42

medio entre el máximo 00:06:46

y mínimo 00:06:47

vale, bien 00:06:47

media entre máximo y mínimo 00:06:50

nos va a salir algún dato ahí 00:06:52

luego ahí podemos también confundirlo con 00:06:54

otro parámetro que se llama mediana 00:06:57

hay una diferencia entre la mediana y la media 00:06:58

¿vale? 00:07:01

Pero bueno, intuitivamente y como para acercarte, vale. Bueno, vamos a ir viendo cada una de ellas. ¿Veis cómo al final si te haces las preguntas concretas es más simple lo que tienes que entender que la bola que se hace hablando solo en términos de tecnicismos, ¿vale? Sabemos de algunas cosas aunque creíamos que no y ahora vamos a ir matizándolas, ¿vale? 00:07:02

Bien, consideraciones estadísticas. La estadística descriptiva tiene como objetivo resumir la evidencia encontrada en una investigación de manera sencilla, clara, para su interpretación. 00:07:24

Vale, aquí hemos hablado así como palabras, la verdad es que son bastante sencillas, pero bueno, como puede ser un poco rebuscada, lo podemos traducir en idioma coloquial y lo que nos viene a decir es que la estadística lo que hace es que observa unos datos y nos dice a través de esos datos cómo se comporta la población, todos los demás datos. 00:07:40

tú tienes una serie de datos, pero al final, gracias a la estadística, 00:08:02

interpretas que el resto de datos que no tienes, pero que estarían ahí, 00:08:07

se van a comportar igual que esos que sí tienes. 00:08:12

¿Entendéis a dónde vamos a parar y cuál es su utilidad? 00:08:15

¿Qué tal se os dan las gráficas? 00:08:23

Sabiendo colocarlo en el Excel salen bonitas. 00:08:31

Sí. 00:08:34

Perdona. 00:08:35

Y si tienes pulso, a mano también queda muy chula. 00:08:37

Bueno, pero entendemos 00:08:40

la utilidad práctica de una gráfica, ¿verdad? 00:08:45

Sí. Vale, sabemos que una gráfica 00:08:49

al fin y al cabo es una 00:08:52

imagen que nos permite 00:08:54

establecer el comportamiento de dos datos 00:08:57

que se relacionan entre sí y gracias a una 00:09:01

raya que sale o a una figura, vemos 00:09:04

cómo se comportan esos datos, a medida que sube uno, si el otro baja, o el otro también sube, 00:09:07

o hay trozos en los que deja de subir. Entonces, nos permite esta línea conocer cómo se va a ir comportando. 00:09:13

Como nosotros establecemos líneas y demás con una serie de datos, hay puntos que podrían estar en esta línea 00:09:22

Hemos pensado que nosotros no tenemos ese dato, pero podemos intuir qué pasaría si nosotros tenemos uno de los parámetros. ¿Dónde va a parar? En el otro lado de la gráfica. Por lo tanto, podemos hacer lo que se llama extrapolación o interpolación. ¿Entendéis el concepto de extrapolación e interpolación? 00:09:32

imaginaos que nosotros tenemos una tabla donde sabemos que para el valor 3 en el otro lado va a 00:09:51

ser valor 6 tenemos que para valor 3 va a ser valor 6 en el otro lado de la gráfica y tenemos 00:10:05

que para valor 4 va a ser 8. Bueno, espera, para valor 3 va a ser 6 y para valor 5 va a ser 10. 00:10:19

Pero no conocemos el valor 4. Sabemos que el resto de los valores también va a ir como multiplicado por 2, ¿vale? 00:10:31

Podemos saber cuánto vale el 4, ¿verdad? ¿Me seguís? Imaginaos, para valor 3 vale 6. 00:10:39

para valor 5 vale 10 para valor 6 vale 12 entendemos qué es lo que está sucediendo 00:10:49

que multiplicamos cada valor por 2 para darnos el otro valor verdad me vais siguiendo vale no 00:10:58

conocemos cuánto vale 4 pero como conocemos cómo se comportan los demás lo podemos eliminar así 00:11:09

Para el valor 4, ¿cuánto sería? 00:11:16

8. Bien, no lo de los computadores, si ya lo sabéis. 00:11:22

Eso se llama interpolación. 00:11:25

Tú no tienes ese dato, pero como has visto, uno se comporta en todos los demás. 00:11:28

Ese dato sabes cómo se va a comportar. 00:11:32

De eso va la estadística. 00:11:34

Que está diciendo cómo se comportan los datos, 00:11:36

para que tú adivines cómo se van a comportar los datos que no ves. 00:11:38

Porque van a seguir el mismo comportamiento que esos que sí has visto. 00:11:42

Eso es la estadística, ¿lo entendéis? 00:11:46

y extrapolar eso se llama está colada porque traes datos que no tenías pero los puedes 00:11:48

extrapolar e interpolar extrapolar normalmente es cuando de todos los valores que tú tenías en 00:12:03

la tabla está por suelo e interpolares con bastante medias de los valores que sí que 00:12:10

ese es el matiz entre extrapolar y interpolar para terminar es meter un dato donde tú no lo 00:12:16

tenías pero sabes cómo se va a comportar porque se comporta en el resto de los datos y eso es 00:12:26

lo para eso utilizamos la estadística para saber cómo se comportan al resto de los datos vale 00:12:31

entonces esto consta de tablas o cuadros de figuras o gráficas e imágenes o fotografías 00:12:36

Los cuadros se utilizan para resumir datos y mostrar cifras puntuales. Lo que hemos estado explicando un poquito, efectivamente, sobre qué pasaba con el 4 si conocíamos cómo se comportaba el 3 y cómo se comportaba el 5. 00:12:47

Bien, la recolección, organización, análisis y presentación de los datos numéricos para obtener una descripción cualitativa de un conjunto de datos. 00:12:59

Nosotros recogemos los datos, recolección, los organizamos en una tabla, los analizamos, observamos cómo se comporta un dato respecto a otro. 00:13:13

Entonces, representamos en unas gráficas, en unas tablas, en unos quesitos de estos, ¿vale? Y entonces interpretamos cuál es su comportamiento. Esa es la estadística. ¿Bien? ¿Ha quedado claro? Las muestras representativas deberían cumplir los siguientes requisitos estadísticos. 00:13:23

Recordar que, al fin y al cabo, nosotros cuando cogemos una muestra, lo que estamos cogiendo es una representación lo más ajustada posible a la realidad de una población. 00:13:47

Queremos que ese trocito que hemos cogido sea lo más parecido a una miniatura de la población, a que tenga absolutamente las mismas características. 00:13:59

Entonces, ¿qué necesitamos? Pues mediante la estatística observar que va a tener el mismo comportamiento. 00:14:08

nuestra muestra que si fuera la población total. La población, la muestra de campo y la muestra que llega al laboratorio para ser analizada deberán tener la misma composición media. 00:14:15

Por lo tanto, vamos a tratar de que tenga el mismo valor medio. Si nosotros tuviéramos el valor medio de toda la población, el valor medio de nuestra muestra de campo, 00:14:26

Y luego la vamos a reducir para la muestra de laboratorio que todas tengan el mismo valor de media. ¿Para qué? Para que haya la mínima diferencia entre todos ellos, para que sea lo más representativo de la población. 00:14:36

La varianza de la población. La muestra de campo y la de laboratorio deberían ser iguales. Una varianza representativa. ¿Suena el concepto de varianza? Estadística, ¿no? Que hace problemas ir a una fórmula. ¿Eso suena? 00:14:52

Sí, con la desviación. 00:15:14

Bueno, os suenan estos simbolitos que os he puesto aquí a la derecha, ¿verdad? 00:15:15

El mi este, la x con la barrita arriba, el sigma, el ismatorio esto 00:15:23

¿Todos estos los domináis? Bueno, ahora os los recuerdo por si alguno necesita recordatorio 00:15:29

Bueno, el error introducido en el proceso de muestreo deberá tener el mismo orden de magnitud 00:15:35

que el error del método analítico que quiere decir esto que nosotros vamos a tratar de que 00:15:43

el error sea el mínimo no vamos a ir acumulando lo en el proceso de cada una de las manipulaciones 00:15:49

que hagamos a nuestra muestra como lo vamos a ver al final del tema para que entendáis esto 00:15:55

del orden de magnitud lo vemos luego cuando tapemos el tema del error que es al final 00:16:00

el epígrafe final de la unidad temática vale que entendemos por parámetros estadísticos pues son 00:16:05

Esas letritas que hemos visto, ¿vale? Los parámetros estadísticos sirven para que la información mostrada sea lo más detallada posible. 00:16:11

Los parámetros finales son esas letritas que nosotros hemos calculado mediante fórmulas, pero que lo que nos dan es una información real. 00:16:19

¿La media de qué nos habla? Pues nos habla de en torno a qué está el valor más ajustado, más próximo al real. 00:16:27

Porque cuanto más se repite un valor, más posibilidades hay de que sea un valor acertado, que tenga el menor error acumulado. 00:16:37

Entonces, si tú haces esa media, te acercas más a evitar errores que han ido añadiendo a otras tomas de valor y te vas acercando más al valor real. 00:16:47

Entonces, la media es cuanto más nos ajustamos a cómo debería comportarse sin tener error ese dato. Los parámetros estadísticos que se van a utilizar en esta unidad didáctica se clasifican en dos tipos. Son valores de tendencia central y valores de dispersión. 00:16:59

Los valores de tendencia central son la media aritmética y la moda. De tendencia central quiere decir, nosotros tenemos como una línea de comportamiento, imaginaos una gráfica, tenemos una línea de comportamiento por donde deberían ir los datos. 00:17:19

pero sin embargo observamos en nuestros datos de nuestro ensayo que nos da cerquita de esa 00:17:36

raya pero que no que uno está por abajo están por encima pero vemos que la mayor parte de esos datos 00:17:44

están en torno a una rayita vale eso es la tendencia central que se aproximan a lo que 00:17:51

debería ser pero acumulan el grado de error y entonces deberían ir con esta línea pero 00:17:57

estas son las tendencias centrales recordáis cuál era el concepto en moda es como repetir 00:18:03

la moda 00:18:15

es un poquito como el concepto de la ropa 00:18:19

no se ponga de moda 00:18:21

algo de cara 00:18:23

como eso 00:18:24

al fin y al cabo 00:18:26

el valor que más 00:18:29

se requiere 00:18:31

cuando nosotros utilizamos 00:18:32

un aparato en laboratorio 00:18:35

que tiene, que está 00:18:37

bien calibrado, que tiene cierta precisión 00:18:39

y todo eso, nos va a coincidir 00:18:41

la moda con la media 00:18:44

¿por qué? porque los valores 00:18:45

que más se van a repetir son los que más se aproximen al valor exacto. Pero bueno, 00:18:47

estos son conceptos así generales que luego los vamos a ir aplicando a nuestros casos. 00:18:52

En cuanto a las medidas de tendencia central, variables en torno a las que se agrupan la 00:18:58

distribución de datos de una serie estratégica, lo que os decía. Por donde deberían ir y 00:19:02

lo aproximado que están. Luego de repente nos sale un punto que está súper separado 00:19:07

y que lo observamos y decimos, ¡uh! Sí, pero esto fue que se me cayó el bote o algo 00:19:12

así y te das cuenta que es que el valor que ha dado súper desviado porque porque aprende muchísimo 00:19:16

sin embargo cuando el grado de errores más o menos estándar pues van a estar todos en torno 00:19:23

al valor que real que debería representar las medidas de dispersión eso intuitivamente que 00:19:27

os dice dispersión que es como un sinónimo de dispersión están separados entre sí y como 00:19:34

reparto el día suena reparto por dónde están repartidos no pues eso lo que están separados 00:19:43

en sí si nosotros tenemos una serie de puntos que sabemos que el valor real debería ir con 00:19:51

una línea y vemos estos puntitos en una imagen que creo esto imaginaos que los puntitos deberían ir 00:19:56

por esta línea pero bueno hemos hecho una hemos hecho unas medidas de lo más torpes y los valores 00:20:08

que nos dan unos datos de puntitos por aquí vale deberían ir por esta raya que es la media 00:20:16

este punto azul no vale pues nuestro grado de extensión cada punto se separa de donde debería 00:20:22

aquí es su dispersión que al final coincide con el error vale que hacemos con la varianza 00:20:32

sumamos todos estos errores de esta raya de la raya es lo que se separan todos de la media y 00:20:43

mediante una fórmula nos dice cuánto es el grado de que están repartidos todos estos puntos respecto 00:20:52

por donde deberían ir eso es la varianza conceptualmente vale en torno a la raya 00:20:58

pues nos daría una varianza bajita y nos da una varianza muy alta luego algunos por fuera 00:21:05

pero son tan poquitos que no son representativos 6 porque la mayor parte están aquí no sé si he 00:21:14

sido capaz de aclarar lo conceptualmente me habéis seguido yo sí vale entonces bueno lo 00:21:21

que nos dice en los valores de dispersión es nos da información sobre cómo se distribuyen 00:21:32

nuestros datos vale cómo están de repartidos al fin y al cabo vale medidas de dispersión 00:21:37

son el rango os suena rango si es la diferencia entre el rango inferior y el rango superior por 00:21:43

el dato inferior y el dato superior 00:21:52

el rango entre el dato más alto y el dato más pequeño 00:21:56

ese es nuestro rango de valores 00:22:04

la varianza 00:22:06

la varianza es el cuadrado 00:22:10

de la desviación típica 00:22:12

la desviación es esto que os había contado 00:22:16

La desviación típica es cuánto nos separamos cada puntito de la media. Y con la fórmula, como vamos sumando todos los puntitos respecto a su media, lo dividimos entre todos los valores que hay y nos da cuál es la desviación. 00:22:19

cuando se desvía pero la varianza es el cuadrado de la desviación por lo tanto nos da como una 00:22:36

visión global de todo el lugar más concretamente de nuestros datos nos habla como de cuánto como 00:22:46

magnificado de cuánto de desviar hasta de la realidad del conjunto vale y luego lo vamos 00:22:54

a utilizar matemáticamente y os vais a normalizar pero a mí me gusta que lo entendáis conceptualmente 00:23:01

porque le quito un poquito de miedo a las matemáticas si uno entiende lo que está 00:23:07

haciendo yo creo. Vale, el coeficiente de variación que al final es el valor de error 00:23:11

que más se repite. Vale, parámetros de tendencia central y de dispersión. Los parámetros 00:23:20

de tendencia central son la media aritmética. 00:23:27

Se define como media 00:23:30

matemática. 00:23:31

Sabemos calcular la media, ¿verdad? 00:23:33

No, por mi parte sí. 00:23:39

Vale. ¿Hay alguien que no entienda 00:23:41

esta fórmula? Porque la media es muy sencilla 00:23:43

pero luego de repente metemos símbolos 00:23:45

de estos y parece que cortocircunzamos. 00:23:47

¿Entendemos todos los símbolos que hay aquí? 00:23:49

Ahora os voy contando una a una. 00:23:53

Yo sí lo entiendo. 00:23:57

Vale. 00:24:00

alguien que quiera que lo explico 00:24:00

o está más que asumido 00:24:03

una recordadita, no viene mal 00:24:04

sí, por favor 00:24:08

mira, cuando nosotros ponemos 00:24:08

encima de una X 00:24:12

ese sombrerito, esa rayita 00:24:13

directamente estamos diciendo 00:24:16

que estamos calculando la media 00:24:18

de todos los valores de X 00:24:19

por eso hemos puesto esa rayita, eso significa 00:24:21

media, ¿vale? 00:24:24

luego nos vemos esta parte de la ecuación y cuando vemos 00:24:25

este símbolo que parece 00:24:28

Como si hubiera una M haciendo el pino, así lo veo yo a lo mejor, pero si imagináis una M así haciendo el pino, pues yo veo aquí una M haciendo el pino, ¿vale? Cuando vemos este simbolito esto significa sumatorio, ¿vale? 00:24:29

Sumatorio lo que nos quiere decir es que cuando este símbolo vaya delante de algo, nos está queriendo decir que todo lo que vaya detrás del símbolo hay que sumarlo. 00:24:46

Entonces, en este caso, solamente hay una X y dices, ¿cómo voy a sumar una X si solo hay una X? 00:24:57

No, hay una X con una Y debajo. 00:25:04

Y cuando hay un índice, es decir, que de esta X vamos a tener un montón de valores. 00:25:06

Todos los valores que tengamos en una tabla, después de habernos dado datos de un ensayo, ¿vale? 00:25:13

Pues todos esos valores que serán x sub 1, x sub 2, x sub 3, todos los x que tengas, los vas a sumar, porque es lo que nos dice esta M haciendo pino. 00:25:19

Vas a sumar todos. Estos simbolitos que hay aquí te dicen todos los valores, desde y igual a 1, desde y sub 1, que es el primero, hasta el M. 00:25:29

Y el n es el último y que tengas. Imagínate que nosotros tenemos cinco valores de x. Pues nuestro último x va a ser x sub 5, porque tenemos cinco valores. Pues tenemos que sumarlo. x sub 1, x más x sub 2, más x sub 3, más x sub 4, más x sub 5. Y eso es lo que quiere decir el sumatorio, ¿vale? 00:25:42

Cuando tengamos toda esta suma hecha de los X, lo vamos a dividir entre N, que es el número de valores que tenemos. En nuestro caso son 5. Pues 5. ¿He sido capaz de aclarártelo? 00:26:07

Sí, perfecto. Que se sabía que era la media, pero no me acordaba de la formulita. 00:26:21

lo entiendo, por eso os he puesto 00:26:29

que os lo recordaba, porque luego de repente aparece 00:26:31

este símbolo y dices, pero si se hace en la media 00:26:33

de todas formas es bueno 00:26:35

que te lo haya recordado porque ahora 00:26:37

más adelante vamos a ver una fórmula 00:26:39

que también lo lleva y que complica 00:26:41

esto, entonces como ya te lo he explicado 00:26:43

previamente, lo vamos a volver a retomar 00:26:45

y va a ser más sencillo, o sea que fenómeno que lo hayas pedido 00:26:47

vale, luego tenemos otro 00:26:49

valor, el elemento central que se llama 00:26:51

mediana 00:26:53

la mediana 00:26:54

a veces coincide con la media 00:26:56

pero no siempre la mediana es el valor situado en el medio de los valores pero cuando están ordenados 00:26:59

cuando están ordenados o sea tú tienes unos valores de imagínate que el primer valor es 00:27:07

4 pero el siguiente es 1 pero siguiente 7 pero el siguiente es 2 y el siguiente es 3 00:27:12

pues tenemos desordenados en valor para calcular la media no tienes que calcularlos en orden y 00:27:21

Tienes que poner el 1, el 3, el 4 y el 7 en su orden creciente, no desordenados como están. 00:27:28

Entonces, la mediana es el valor que estaría al medio de esa distribución, pero ordenada previamente, no como tienes los datos. 00:27:35

Y la moda, como hemos dicho antes, pues la moda sería el valor que más se repite. 00:27:45

Que a veces, en un tipo de distribución concreta que vamos a ver después, coinciden tanto la media aritmética como la mediana como la moda. Pero no en todas. Por eso tenemos que saber cuál es la diferencia entre cada una de estas medidas de tendencia central. 00:27:50

Vale. Parámetros de tendencia central y dispersión. Ahora vamos a ver los de dispersión. Los de dispersión serían el rango que hemos visto antes, y ya lo he explicado muy bien, Rosa, es la diferencia entre el valor mayor que tengamos y el valor menor. 00:28:06

¿De qué nos habla? Pues de la extensión de nuestras medidas. Aquí tenemos una toma de muestras en la que el valor mínimo que hemos conseguido son 2 mililitros y el máximo 5. 00:28:24

Pues, ¿cuál sería nuestro rango? 5 menos 2, 3, ¿no? Estaríamos entre valores de 5 y valores de 2, ¿vale? Pero para otra toma de muestras a lo mejor hablas que de repente te ha dado 10 mililitros y 1. Tienes un rango de valores muchísimo más amplio, ¿vale? Aunque a lo mejor tengas el mismo número de datos, pero tienes el rango de valores muchísimo más alto, ¿vale? 00:28:40

Bien, si veis que me meto en monólogo, paradme, interrumpidme, si veis que no me seguís, ¿vale? Vale, la desviación estándar, también llamada típica o normal, o sea, desviación típica o desviación normal. 00:29:13

Conceptualmente es lo que os he explicado antes. 00:29:34

¿Cuánto se separa cada uno de los valores que nos ha dado experimentalmente del que debería ser, que es la rayita esta, que es la media? 00:29:36

¿Cuánto se separa? 00:29:43

La suma de todos, ¿vale? 00:29:44

Porque lo que se separa este valor de la media es su error, el error de este valor en concreto. 00:29:47

Pero la desviación nos habla del conjunto de valores. 00:29:55

por eso su fórmula es esta fórmula que volvéis a cortocircuita seguro por eso darle miedo no 00:29:59

están no es tan difícil vale sólo es como como gráficamente dices madre mía pero no no es tan 00:30:07

difícil de hecho vamos a hacer un ejemplo vale tenemos una desviación estándar que no se calcula 00:30:13

igual y lo que vamos a medir es la desviación estándar en una población que es muy grande o 00:30:20

en una muestra que hayamos cogido que también sea muy grande que el número de datos que tengamos ya 00:30:28

por encima de 30 eso es lo que quiere decir esto cuando nuestro en nuestro número de datos por 00:30:32

encima de 30 el valor poblacional de 30 vamos a utilizar esta fórmula estoy aquí esta letra griega 00:30:39

está más sigma valentes como un cerito con una rayita de pestaña vale y el cálculo de 00:30:50

esta desviación estándar es y cuadrada del sumatorio que hemos dicho antes recordar la 00:31:00

m haciendo el pino pero lo que tenemos a continuación de la m haciendo el pino lo 00:31:10

que vamos a tener que sumar tantas veces como en tengamos vale no es una equis sólo sino una 00:31:14

operación una operación que es cada uno de los x que tengamos cada uno de nuestros valores menos 00:31:22

la media que tengamos 6 nosotros vamos a tener una media que es esta raya en este caso el valor 00:31:29

de la media 50 veis coincide con 50 vale pues nosotros vamos a tener que imaginaos que el 00:31:36

Nuestro primer x es este, ¿vale? Y suponemos aquí, por lo que se calcula, que esto puede ser un 35, ¿no? Pues bueno, nuestro primer parámetro sería 35 menos 50 elevado al cuadrado más el siguiente parámetro. 00:31:43

Pero imaginaos que es este. Bueno, este. Vamos a poner este. No, espero que es 35 también. Este, 60. Pues sería más 60 menos la media otra vez, que la media es común, que es 50, elevado al cuadrado. 00:32:00

Y así sucesivamente hasta que se acaben todos nuestros datos. ¿Vale? Van a ser más de 30, porque para esta fórmula es para más de 30. ¿Vale? 00:32:15

Todo ello lo vamos a dividir entre el número de parámetros que tengamos y hacemos la raíz cuadrada de eso y nos da el valor de la desviación estándar o típica. 00:32:28

Lo más común que nos vamos a encontrar nosotros es el de la muestra menor de 30. Se va a llamar S y va a ser exactamente igual, ¿veis? Lo único que abajo, en lugar de entre n, va a ser entre n menos 1. 00:32:39

Bien, ¿me vais siguiendo? 00:32:56

¿Queréis que repita algo, que lo explique de otra manera más sencilla? 00:33:04

Creo que con ejercicio se verá mejor. 00:33:08

Ahora vamos a ver un ejemplo y la verdad es que le vais a poner cara, sí, es mucho mejor. 00:33:11

Porque explicar esto teóricamente es un poco engorroso, ¿vale? 00:33:15

Bueno, y luego existe otro concepto que es la varianza. 00:33:19

Y la varianza es el cuadrado de la desviación estándar. 00:33:21

Entonces, el cuadrado de la desviación estándar, si nuestra desviación es esta, 00:33:25

Y nosotros lo elevamos al cuadrado, no sé si lo recordáis, pero matemáticamente la inversa del cuadrado es la raíz cuadrada. 00:33:29

Entonces, cuando nosotros elevamos al cuadrado una raíz cuadrada, pues directamente desaparece, ¿vale? 00:33:39

Porque recordad, cuando matemáticamente calculamos una raíz cuadrada, ¿qué es lo que hacemos? 00:33:45

Calculamos el número que multiplicado por sí mismo da eso, ¿sí? 00:33:52

si estáis en eso no matemáticamente tenéis dominado que es una raíz cuadrada no hay que 00:33:59

silencio de miedo nos dan las mates bueno vamos a hacer un ejemplo y así lo vemos mejor 00:34:13

vale calcular la varianza y la desviación estándar de los siguientes datos a ver si 00:34:24

capaces chicos tenemos datos cuantos datos son cuántos tenemos ahí 5 todo el mundo de acuerdo 00:34:30

vale ya tenemos un dato vale sabemos que corresponde una muestra por lo tanto ya 00:34:44

sabemos que es de una muestra y que está por debajo de 30 y nos pide calcular la 00:34:54

varianza y la desviación estándar. ¿Cuál calcularíamos primero? La desviación estándar. 00:35:00

Aunque nos lo pidan en otro orden, calculamos la desviación estándar porque entendemos luego 00:35:10

la relación que hay entre la desviación estándar y la varianza. Bien, vale. ¿Qué tenemos que 00:35:14

calcular lo primero de todo para poder hacer estas operaciones tan engorrosas? La media, 00:35:22

Perfecto. Nosotros siempre que tengamos un problema de lo que sea en física, en química o lo que sea, vamos a preguntarnos, lo primero de todo, ¿qué nos piden? Una vez que sabemos lo que nos piden, buscamos la fórmula que nos lo pueda dar. 00:35:32

Ya hemos encontrado, en este caso es esta. Observamos los parámetros que forman parte de esa fórmula y decimos, ¿qué conocemos? ¿Conocemos todos los X? Sí, los tenemos aquí, ¿verdad? ¿Conocemos la media? ¿Qué es esto? No, pues tendremos que calcularlo. ¿Conocemos una fórmula para la media? Pues nos ponemos a ello. ¿Conocemos los N? Sí, pues ya conocemos todos los parámetros. Vamos a por lo que nos haría falta, que sería la media. 00:35:45

Y aquí vemos el ejemplo de cómo calcular la media. Bien, tenemos, como habíamos dicho antes, la media es igual al sumatorio entre y y n de x sub y partido de n. 00:36:11

Cada uno de los X partido de N, nuestros X son 1, 3, 5, 7, 9. Y el número de N es 5. ¿Sí? Nuestra media da 5. ¿Daba 5? Sí. 00:36:27

ahora pasaríamos 00:36:50

a sustituir en la fórmula 00:36:53

que teníamos de desviación 00:36:55

pasamos a desviación 00:36:57

¿qué es lo que pasa? que la raíz cuadrada 00:36:59

nos cortocircuita, pues la quitamos 00:37:01

¿cómo se quita la raíz cuadrada? 00:37:03

pasándola al otro 00:37:07

lado de la ecuación 00:37:07

si en este lado de la ecuación tenemos una raíz cuadrada 00:37:08

cuando lo pasamos 00:37:11

al otro lado de la igualdad 00:37:13

pasa como su inversa que es 00:37:15

cuadrado 00:37:17

igual que si nosotros al pasar aquí un cuadrado 00:37:18

desaparecería esa raíz cuadrada 00:37:21

pues si lo pasamos al otro lado pasa igual 00:37:23

bien, me vais siguiendo los que a veces 00:37:26

tenéis mucho problema en pasar cosas de un lado a otro 00:37:29

de las funciones porque os sentís inseguros, sabéis más de lo que creéis 00:37:33

pero como lo dudáis, cometéis el error 00:37:36

¿queda aclarado así o queréis que os lo matice más? 00:37:39

por mí bien 00:37:46

por mí también 00:37:47

perfecto bueno entonces aquí lo vemos claro como hemos quitado la raíz cuadrada el cuadrado de este 00:37:50

lo vamos a ir calculando con esta fórmula como lo hacemos pues sabemos que tenemos que hacer 00:37:56

el sumatorio para quitar la m haciendo el vino lo que hacemos es transformarlo en la operación 00:38:02

que lo que lo ocupa que es el sumatorio de cada una de las x x 1 menos su media x 2 menos su media 00:38:08

Y así sucesivamente. Y aquí lo convertimos en los valores. Nuestro primer valor es 1, la media es común, es 5. Menos 5 elevado al cuadrado. El siguiente valor es 3, menos 5 al cuadrado y así sucesivamente. Y luego el n es 5 menos 1. Por lo tanto, los valores que nos dan, hacemos las restas y nos da esto. 00:38:14

en los 4 al cuadrado menos 2 al cuadrado partido de 4 al final el valor total nos da 10 no sé si 00:38:37

alguno ha tenido la velocidad suficiente de poder hacerlo pero lo vemos claro no es intuitivo se ve 00:38:45

aplicado más fácil no me habéis ido siguiendo chicos ha ido muy deprisa y si está bien sí vale 00:38:50

perfecto bueno pues tenemos un valor 10 d de parámetro que letra como la llamamos s al 00:39:08

cuadrado estáis de acuerdo es ese al cuadrado porque esto no lo hemos puesto en una parada 00:39:20

por lo tanto el valor de 10 es de ese al cuadrado bien vale nos dice que calculemos la varianza vale 00:39:29

La relación entre la varianza y la desviación típica es raíz cuadrada de S al cuadrado. Tenemos que el valor de S al cuadrado es 10. Uy, perdón. S al cuadrado es 10, pues su raíz cuadrada es 3,16. ¿Bien? ¿Lo veis claro? 00:39:40

Sí. Bueno, pues con este ejemplo de este tipo vais a tener que hacer varios. ¿Qué más tenemos en estadística? Pues también definiremos las siguientes variables que se utilizarán más adelante. 00:40:09

Más adelante vamos a utilizar el nivel de calidad aceptable, vais a ver que tenemos que consultar tablas y demás, pero aquí lo introducimos un poquito. Primero, vamos a conocer un parámetro N, que es el número total de unidades o tamaño del lote. Un N, que es el número de unidades de muestra o tamaño de la muestra. 00:40:30

Una P, que es la probabilidad de aparición de un defecto, un cociente entre el número de casos favorables y el número de casos totales. Tened en cuenta que estáis estudiando un ciclo que va de calidad y la calidad la marca la cantidad de desperfectos que se pueden consentir en un producto. 00:40:49

Entonces, la perfección total no existe, pero hay unos parámetros sobre los que no se puede considerar aceptable o sí se puede considerar. Estas letras son para luego calcular eso. No os preocupéis que haremos problemas, porque además esto tiene su apel y también hay que hacer problemas, pero es un poquito que en este apartado es introductorio, para que sepáis que existen más parámetros estadísticos que vamos a utilizar. 00:41:08

En el muestreo de aceptación se basa en el denominado nivel de calidad aceptable. Vamos a aceptar o no aceptar que un lote tiene calidad o no tiene calidad, dependiendo del nivel de calidad aceptable, que nos va a decir la cantidad de muestras desperfectas que se pueden tolerar. 00:41:32

Bueno, esto también lo vamos a… es metodológico, es buscar en unas listas y utilizar matemáticamente esto que estamos haciendo. Bueno, distribución normal. ¿Os suena esto? De la distribución normal o campana de Gauss. ¿Esto lo habéis visto alguna vez? ¿Sí o no? 00:41:54

silencio total, voy a comprar un grillo de esos que hacen 00:42:23

para marcar el silencio 00:42:30

entiendo que no, el silencio es negativo 00:42:33

podéis decir no 00:42:36

vale, la distribución normal lo que nos habla 00:42:38

es de que cuando 00:42:43

los datos que tenemos estadísticamente 00:42:46

cumplen una serie de condiciones que es que tienen 00:42:49

una media de unas características, que tienen 00:42:53

una distribución de las características en concreto ya lo hemos visto tantas veces que 00:42:56

ya sabemos cómo va a ser su gráfica de comportamiento vale esta gráfica de comportamiento 00:43:01

nos va a decir esto es la desviación vale y esto es la media vale y nos va a decir cómo se comportan 00:43:06

los gastos en base a la media la media va a estar aquí y vamos a ver que si nos desviamos de la 00:43:16

media está acá la desviación va a tener un comportamiento y hacia acá a otro lo que quiero 00:43:20

decir es que siempre se va a comportar igual aunque los datos sean diferentes se va a comportar del 00:43:27

mismo modo si su media y su desviación o su varianza tienen cierto valor la distribución 00:43:32

de probabilidad más utilizada en estadística y que más se asemeja a los fenómenos reales en 00:43:42

la distribución conocida como gaussiana campana de gauss o normal más gaussiana porque esto es 00:43:47

la forma de una campana vale y nosotros pasamos una línea por aquí lo parte en una mitad exactamente 00:43:52

igual a este lado valores positivos y a este lado valores negativos pero el comportamiento 00:44:01

es que tú lo haces por aquí y es exactamente igual la distancia que hay hacia ese lado 00:44:07

oficial puede ser más picuda más redondita vale pero siempre va a pasar lo mismo que tú estableces 00:44:12

la media y lo que hay este lado es exactamente simétrico lo que hay a este eso es lo que quiere 00:44:20

decir una gráfica con forma de campana de gauss vale este tipo de curvas se utilizan las 00:44:26

distribuciones continuas la distribución normal sirve para conocer la probabilidad de encontrar 00:44:32

un valor de la variable sea igual o inferior a cierto valor conociendo la media la desviación 00:44:39

estándar y la varianza de un conjunto de datos sustituyéndolos en una función que se describe 00:44:47

imaginaos que os ponen un problema a continuación y te dicen que no sé que hay el comportamiento de 00:44:53

los datos ha sido tal qué probabilidad hay de que encuentres un dato de en concreto entre ciertos 00:45:04

parámetros ciertos valores pues gracias a esto tú lo sustituyes en una fórmula y te lo dice la 00:45:15

probabilidad que hay de que esté ahí ahora aplicando a un caso práctico lo vais a entender 00:45:24

un poquito mejor pero bueno entendéis lo que significa la figura porque es bastante 00:45:31

significativa entendéis que lo que pasa por aquí por el medio es la media vale 00:45:35

y que lo que hace la media es que distribuye valores a la derecha y a la izquierda absolutamente 00:45:43

con la misma distancia con la misma simetría cuanto más nos acercamos a la media vale más 00:45:51

próximo está a la media más alejado luego luego se vuelve plano vale la función matemáticas no 00:46:00

os agobiéis porque es bastante poco intuitiva esta función fijaos si es poco intuitiva que 00:46:08

tenemos un pi tenemos un e recordáis el número e no exponente bueno pues es un número que se 00:46:13

utiliza en matemáticas que encima lo elevamos a menos un medio pues vamos esto muy poco intuitivo 00:46:24

si lo tenéis que usar se nos dará el valor de la de la fórmula para poder usarlo no se puede 00:46:32

conocer existe una función que está relacionada con cómo se distribuyen los valores aquí vale 00:46:37

simboliza como n de mi sigma n mi sigma que está diciendo que tú tienes distribuidos 00:46:47

tú tienes distribuidos los valores si recuerdas en una gráfica lo que viene dentro lo que viene 00:46:58

en una función cuando tú dices una función de algo n es la función y lo que viene dentro del 00:47:06

paréntesis son la primera letra el primer símbolo el primer número es los valores de x o sea que 00:47:12

me lo tenemos aquí vale me que es la media de una muestra lo vamos a tener aquí en el eje de 00:47:19

de accesas vale y sigma que sería la varianza que vamos a tener en el eje 00:47:25

de ordenadas vale entonces cuando nosotros tenemos el eje de ordenadas varianza y aquí tenemos media 00:47:32

en una distribución normal lo que nos va a dar es que el valor de la media va a ser cero no viene 00:47:41

aquí vale pero el valor de la media va a ser cero o sea que es decir que lo que hay a la 00:47:49

izquierda de la media van a ser números negativos y lo que a la izquierda de la 00:47:55

derecha a la derecha de la derecha de la media son números positivos por eso aquí 00:47:59

se va a llamar pero ahora lo vais a ver en la siguiente diapositiva y los valores de 00:48:04

desviación van a valer 1 eso es lo que se llama función normal vale recordar lo que 00:48:10

va adentro de los paréntesis es el primer simbolito es los valores de x y el segundo 00:48:19

valor del simbolito los valores de iguales ni y sigmas son los valores medios y la desviación 00:48:25

estándar de la distribución tiene forma de campana como hemos dicho es simétrica respecto 00:48:30

a la media por aquí tenemos los mismos valores a un lado que a otro la desviación estándar es 00:48:36

es la responsable de que sea más puntiaguda o menos puntiaguda. ¿Qué quiere decir? Que 00:48:43

cuanto más alto sea el valor de la desviación, pues más pico va a ser. Si es bajito, si 00:48:48

aquí solo llega a cero con dos, pues no va a salir así más planita, ¿vale? Si llega 00:48:54

a cero con cuatro, pues más picuda. Eso es lo que quiere decir. Eso es lo que nos va 00:48:59

a permitir identificarla. Si nosotros la vemos así, como muy aplanadita, sabemos que los 00:49:02

valores de desviación van a ser bajos va a haber muy poca distancia entre los valores medios vale 00:49:08

entre los valores obtenidos y valores medios algunas propiedades más de la curva son la 00:49:16

moda la mediana son ambas iguales la media lo que os decía antes aquí el valor que más se repite va 00:49:21

a ser el valor de la medida mira aquí viene más claro lo que se explicaba antes la media si os 00:49:28

dais cuenta ni está aquí vale se supone que esto en una distribución normal es por lo tanto los 00:49:33

valores que hay a la derecha son los valores positivos y los que hay a la izquierda negativos 00:49:43

vale bien es la moda la mediana son a todas iguales por lo tanto los valores que más se 00:49:50

repiten son los de la media los valores ordenados también la media por tanto romper la distribución 00:50:01

de dos mitades simétricas los puntos de impresión de la curva están para x igual a mí menos sigma 00:50:12

¿Vale? De inflexión, es decir, donde dobla, ¿vale? Entre mi menos sigma y mi más sigma se encuentra 68,3 de la distribución, que está aquí, ¿vale? Se encuentra, la máxima parte de todos los valores se encuentra en ese 68%, bueno, no sé, ¿vale? Aquí. 00:50:19

Entre mi menos 2 sigma, está aquí, ¿vale? Mi menos 2 sigma. Y aquí, que se encuentra en 95, o sea, entre esto y esto en 95. Y luego, entre esto y esto en 99. Solo tendríamos un 1% aquí fuera, ¿vale? 00:50:50

Tendríamos un 2,1 fuera de menos 2 sigma, ¿vale? 00:51:11

Tened en cuenta que esto lo que nos está hablando es de probabilidad. 00:51:18

Nosotros tenemos un montón de datos aquí y nos dice cualquiera de los valores de aquí en qué punto estaría, ¿vale? 00:51:22

Y lo podemos encontrar gracias a la gráfica. 00:51:30

si escalamos el eje de alcistas en unidades de desviación estándar utilizamos el 0 de este eje 00:51:31

en la medida que tenemos la denominada distribución normal estándar generalmente se trabaja con esta 00:51:39

distribución veis va desde el centro y no llega hasta 1 en este caso es 0.4 pero no llegaría hasta 00:51:45

uno porque como te dice aquí se representa como tiene igual a valor de media pero y valor de sigma 00:51:52

de sigma 1 00:52:04

si escalamos el eje de artista en unidades estándar con generalmente se trabaja nuestra 00:52:08

institución lo he repetido en mi igualadero y si va igual a 1 el área bajo la curva es igual 00:52:12

la 1 todo el área más la curva para convertir a analizar o tipificar cualquier distribución 00:52:18

normal en la distribución normal estándar se hace servir de la siguiente fórmula bueno recordar esta 00:52:24

fórmula porque lo que nos quiere decir que a nosotros en un problema nos dicen el comportamiento 00:52:29

de los datos en este problema tiene un comportamiento normal o sea como este tipo de 00:52:37

curva entonces ya nos está diciendo cómo se van a aportar sus datos vale oye me estáis perdiendo 00:52:43

sí sí así que se ha perdido a láticos los oyes 00:52:49

los oyes 00:54:14

nosotros a ti no te seguimos escuchando 00:54:21

si te veíamos y te echábamos vale ahora pero donde nos hemos quedado porque 00:54:27

la pantalla es la que me manda el sonido no sé por qué se ha pagado 00:54:39

Vale, a ver, creo que se ha dejado de grabar 00:54:44

Ya, ahora no comparto, ¿no? 00:54:49

No estoy compartiendo, ¿no? 00:54:56

No, no estás compartiendo 00:54:58

Vale, vuelvo a compartir porque es que pensé que os había perdido definitivamente 00:55:00

Ahora me decís dónde me he quedado, ¿vale? 00:55:04

¿Ahora sí? 00:55:10

Se ve pequeño, pero sí 00:55:14

Vale 00:55:16

Ahora sí 00:55:17

perfecto un segundito porque creo que he perdido lo de grabar y luego perder este trozo que no 00:55:18

queréis no entonces igual ahí no sigue grabando creo que no he perdido la grabación que saldrá 00:55:27

toda esta curiosidad saldrá luego la grabación vale a ver dónde nos hemos quedado chicos me 00:55:36

habéis escuchado todo el rato en esta diapositiva así que estábamos sí bueno esta fórmula es 00:55:43

importante porque vale es la que vais a aplicar en la en los problemas vale recordando o sea 00:55:52

vuestro valor el que normalmente van a pedir en los problemas se va a llamar cita este valor 00:55:59

incógnita y entonces lo vais a sustituir siempre que os digan en el problema vuestra población se 00:56:04

va a aportar una población normal con una campana gaussiana vale que su distribución va a ser 0 1 00:56:12

vale una distribución normal entonces vamos a poder calcular el con esta fórmula y aquí lo 00:56:18

que nos da es un valor de x menos una media está a mí también significa media lo que pasa es una 00:56:25

media muestra al vale partido de sigma vale donde aquí es la variable de la distribución 00:56:30

La distribución tiene que tener esta característica, ¿vale? En el eje Xmi y en el eje de acisas sigma. 00:56:37

Queremos tipificar, tipificar quiere decir que le vamos a poner unas características que van a ser cita. 00:56:45

Y cita es la variable del eje de acisas en la distribución escandalizada, ¿vale? 00:56:51

De esta forma podemos trabajar con una única tabla en la distribución normal. 00:56:56

Es decir, que como sabemos cómo se comportan cuando se comportan así, por lo único que tenemos que sustituirlo ahí, con esa fórmula matemática. 00:56:59

Entonces, vamos a ver un ejemplo, ¿vale? Vamos a ver si este ejemplo… A ver si es capaz de… Vale. 00:57:09

Programa resuelto de utilización de distribución normal. Una distribución normal, recordad, es esta que tiene esta campana, ¿vale? 00:57:21

Vale, te dice, los resultados de los exámenes del alumnado de una clase cumplen perfectamente la campana de Gauss. 00:57:28

Para que nosotros podamos utilizar estas fórmulas, necesitamos tener esta premisa, que es una distribución normal y cumple este comportamiento. 00:57:34

Si no, no podemos usar esta fórmula, ¿vale? 00:57:42

Si la media de los exámenes ha sido 8,2, con una desviación estándar de 1,2, calcula la probabilidad de que un alumno o una alumna escogida al azar 00:57:45

haya obtenido más de un 5 vale primero de todo cuando nosotros tenemos un problema lo primero 00:57:57

que nos preguntamos es que nos está pidiendo que nos pregunta en este caso que nos piden 00:58:03

la probabilidad vale y nosotros estamos viendo una gráfica o sea que nos está pidiendo un parámetro 00:58:09

de que por donde o sea una nosotros al admirar una gráfica y ver esta raya lo que podemos 00:58:24

interpretar aunque nosotros tengamos un dato en concreto y otro dato en concreto al unirlo 00:58:33

con la raya tenemos que adivinar el resto de datos que puede haber por aquí vale vale pues 00:58:41

La probabilidad que nos dice es qué posibilidad hay de que esté en algún área por aquí ese dato, ¿vale? Con esas características. Eso es lo que nos está pidiendo. 00:58:48

Y ahora, una vez que hemos entendido lo que nos pide, que lo que nos está pidiendo es saber por este lado de este eje dónde estaría nuestro dato, ¿vale? 00:59:00

valor una vez que tenemos identificado lo que nos pide tenemos que saber identificar dentro 00:59:11

del enunciado los datos que nos dan tantos nos dan nos da la media no no tenemos que calcularla 00:59:18

nos la da no vale esta media que el nombre de letra t es una media de una muestra la pregunta 00:59:36

es cómo se llamaría de los simbolitos de estos de los parámetros de estadística como se llama 00:59:50

No sabéis el nombre de las metas griegas, ¿no? 00:59:54

Se queda un poco... 00:59:58

Se llama MI. 01:00:00

Es una media muestral. 01:00:01

Dime. 01:00:04

Que es una media muestral, ¿te refieres? 01:00:06

Sí, eso es. 01:00:08

Pero lo que quiero es que lo identifiquéis para reconocerlo con la nomenclatura que tiene dentro de la fórmula, 01:00:09

para que sepáis que eso es lo que tenéis que sustituir. 01:00:17

Lo identificamos como MI, ¿verdad? 01:00:20

Como esa media. 01:00:22

¿Bien? 01:00:23

la población al que te estás comentado antes no es nuestra nuestra nuestra muestra es la clase 01:00:27

y la media de la clase es 8.2 y ese es a mí vale que es una media nuestra media que nos 01:00:39

va a dar y luego nos hablan de otro que es desviación estándar o sea sigma está de sigma 01:00:46

vale 01:00:53

y es uno con dos, lo identificaríamos en un 01:00:55

¿cuánto es como sigma? 01:00:57

si no, porque nos dicen desviación estándar 01:01:04

acordad que hemos dicho 01:01:06

desviación estándar, típica o normal 01:01:08

se llama sigma 01:01:18

¿vale? 01:01:19

¿sí? vale 01:01:21

pues espera 01:01:23

estamos aquí en el ejemplo, vale 01:01:32

entonces tenemos, pondríamos aquí 01:01:35

¿qué nos piden? una probabilidad 01:01:37

¿qué nos dan? nos dan una media 01:01:39

pondríamos mi igual a ocho con dos 01:01:41

Nos dan también una desviación estándar, un sigma igual a uno con dos. Y nos dicen que se porta como una campana de Gauss. Y tenemos una fórmula que nos dice, para estandarizar algún dato, para estandarizar, para calcular por dónde estaría aquí, ¿vale? Tenemos esta fórmula que es igual a X menos mil partido de sigma. 01:01:43

Vale, tenemos todo porque al final lo que nos dice calcular la probabilidad de que algún alumno escogido al azar haya obtenido más de un 5. El parámetro, ¿vale? Primero triplicaremos el valor que será z igual a menos 2,67. ¿Por qué? Porque hemos sustituido el 5, que es lo que pretendemos, que es el valor de x, menos la media partido de sigma nos da que menos 2,67. 01:02:07

con 67 entonces queríamos buscar el menos 267 aquí y al buscar el menos 267 aquí aquí 01:02:37

como vemos cómo se distribuye y conocemos si está por aquí hay 2.1 por ciento de probabilidad 01:02:49

de que esté si tuviera por aquí el valor pues tendríamos probabilidad de estas vale 01:03:02

lo veis aquí aquí tenemos las probabilidades dependiendo de en qué parte de la gráfica nos 01:03:10

dé ese parámetro entendéis que es lo que la información que nos da el valor que nos da 01:03:16

como nos va a colocar por aquí en alguna parte de esta gráfica y nosotros sabemos que dependiendo 01:03:23

de en qué parte hay esta probabilidad de que esté pues ya podemos transformarlo en esa probabilidad 01:03:29

bien entendéis el valor del este nominal es poco intuitivo es una pregunta porque la equis 01:03:37

pones en el problema que es 5 porque es el valor del mínimo del examen que te puede dar es el 01:03:50

mínimo es el valor mínimo no sustituyes por un parámetro o sea por una vez te dice el mínimo es 01:03:59

es a partir de ahí para el otro lado 01:04:08

el que te dice que a mí no lo entiendes 01:04:17

transformando en posibilidad de encontrarlo entonces sería como una raya como 01:04:25

lo desarrollaba aquí vale calcula la probabilidad de que sea menor de menos 6 o menos 267 o lo que 01:04:36

es lo mismo para que la curva de simetría que sea mayor de 267 porcentaje por debajo de igual a 3 es 01:04:50

una curva normal buscaremos el valor de probabilidad las tablas de la distribución normal 01:04:58

estandarizada. Esto tiene 01:05:04

luego una tabla donde tú buscas el 01:05:06

Z. ¿No habéis 01:05:08

visto que son cada tabla de 01:05:10

normalización? 01:05:11

¿Alguna vez habéis hecho un ejercicio 01:05:14

que tú quieres que buscara los valores paramétricos 01:05:16

de la probabilidad en una 01:05:18

tabla? 01:05:20

No lo sé, no te puedo asegurar 01:05:25

que se las he comentado. 01:05:27

Ahora mismo en clase 01:05:28

ahora mismo lo estás diciendo, ¿no? 01:05:30

Sí. 01:05:33

Sí, no, pero me refiero. 01:05:34

en otros estudios que hayáis hecho alguna vez habéis pasado de la trabajabilidad teniendo 01:05:36

que buscar la ceta en una tabla dependiendo de valores no lo habéis visto es que entonces tengo 01:05:44

que dar este dato vale pero si sabéis a ver luego vamos a mirar este tipo de tablas donde tú para un 01:05:56

parámetro tienes que buscar otro esto es luego unas cosas que tenemos que aprender 01:06:09

dime no sé si vas a preguntar algo a ver espera que os lo busco en internet para que la veáis 01:06:17

y así las conozco son las tablas militares no como las tablas militares o militar estándar 01:06:31

algo así se llaman las tablas no para hacer muestreos que hay para simple y para compuestas 01:06:39

esta si la se usa 01:06:45

si, no te entiendo bien 01:06:47

pero si, hay unas tablas de muestreo donde 01:06:49

tienes que, gracias a esas tablas que marca 01:06:51

cuál tiene que ser tu número 01:06:53

de muestras, cuál tiene que ser 01:06:55

si, para un nivel 01:06:57

de establecido, para un nivel 01:06:59

de calidad que estás elegido, pero no me refiero 01:07:01

a estas, yo me refiero a la tabla nominal 01:07:03

espera que lo busque en internet y os lo enseño 01:07:05

sobre la propia 01:07:07

a ver si me deja 01:07:08

os lo enseño sobre 01:07:11

si no me deja web es que no me deja a ver déjame abrir otra más mal es que me dejamos ver esto 01:07:16

el valor de z creo que es esta 01:07:48

y claro tendría que explicar pero bueno no pasa nada vamos más para atrás en los valores de 01:07:59

estáis viendo todo en lo que entró no sólo seguís viendo la presentación verdad 01:08:10

la distribución binominal es que se comporta así 01:08:16

lo que nos dice los parámetros de bien vale y ahora aquí tenemos que ir a una 01:08:35

tabla que es de este tipo donde te dicen la probabilidad de edad cuando el valor dado en la 01:08:44

fórmula vale con los zetas estos números que hay en estas casillas son ese valor zeta vale entonces 01:08:53

tú buscas dentro de estas casillas ese valor z para el número de n es que tú tienes vale y 01:09:04

buscas y entonces te dice directamente la tabla cuál es la probabilidad que corresponde a ese 01:09:11

entendéis cómo se hacen 01:09:19

vale vale yo me tengo que ir a otra clase pero una pregunta esa tabla que estás comentando lo 01:09:21

podemos usar en el examen así va a hacer el examen de la usando esa tabla y demás en el 01:09:35

problema o lo pones con el problema si tuvieras que hacer un ejercicio de este tipo y tienes que 01:09:41

consultar la tabla de las clases vale tú lo único que tienes que saber es que el zeta que queda se 01:09:48

transforma en la probabilidad a través de esta tabla tú la buscas en las casillas lo relacionas 01:09:58

con el número de ns que tú tienes y entonces te va a dar la probabilidad por el tal vez y ahí 01:10:04

por eso intuitivamente en la gráfica lo buscaría 01:10:09

explicado a un lado oa otro de la media pero la hora concreta 01:10:18

lo vuelvo a repetir 01:10:23

vale entonces tenéis clase de micro 01:10:33

encarna 01:10:43

ves a la profesora por ahí 01:10:46

a la de micro 01:10:49

no porque 01:10:50

Porque están todos los compañeros en el chat y no nos aparece el enlace para la videoconferencia. Por si la tenías por ahí cerquita y le dijeras que todos estamos con el pendiente de podernos conectar. O no sé si alguien más ya lo ha logrado. 01:10:53

Muchísimas gracias y muchas gracias por todo. Buena semana. 01:11:15

En cambio, yo te quería hacer una pregunta 01:11:18

Dime 01:11:22

Es que no entiendo el concepto de 01:11:23

por qué tipificamos la distribución 01:11:26

normal 01:11:28

Vale, es normal que no lo entiendas 01:11:28

porque no es nada importante 01:11:32

Tipificamos porque estamos buscando 01:11:33

en qué punto de la distribución 01:11:36

estaría nuestro 01:11:38

valor para saber cuánta probabilidad 01:11:40

de que es su seguridad 01:11:42

No te preocupes 01:11:44

porque esto que no has entendido es 01:11:46

para todos los que lo voy a repetir y voy a mirar el modo más sencillo de explicarlo 01:11:47

gracias 01:11:56

buen día hasta luego pues si alguno conmigo es alguno conmigo chicos y alguna vale menos 01:12:00

mal me dice raquel que es que no le vale enlace pero que lo sigue intentando no 01:14:48

dejéis de contactar conmigo hasta que consiga estrella para que sea una vía de comunicación 01:14:55

más que nada porque si no lo consigues te viene este ordenador y lo hace desde aquí 01:15:02

porque está dando problemas de ordenador ok avísame cuando lo consiga vale si aparece 01:15:05

solo segunda 15 de noviembre pero no hay ningún enlace para pero estaba tratando de hacer otro 01:15:25

enlace, no os aparece otro enlace 01:15:32

debajo porque decía que la sesión 01:15:34

que estaba creando no le iba 01:15:36

la clase que estaba creando 01:15:37

pues no lo veo 01:15:41

a ver 01:15:43

sí, creo que ya está 01:15:43

ya está, perfecto 01:16:35

vale, muchas gracias Encarna, buen día 01:16:37

venga, lo mismo para vosotros, buen día 01:16:40

adiós 01:16:42

Clase 1 UT2 - Contenido educativo

Del mismo autor…

Arqueopinto video 11

Arqueopinto video 10

Arqueopinto video 9

Arqueopinto video 8

Arqueopinto video 7

Arqueopinto video 6

Arqueopinto video 5